El problema: la IA responde cuando la llamas, pero no actúa por sí sola
Tu asistente de IA actual funciona como un buscador: le haces una pregunta, te responde, y se queda esperando la siguiente. No te avisa de una reunión que se aproxima, no detecta un conflicto en tu agenda, no investiga por su cuenta cómo ayudarte. Tú tienes que acordarte de preguntarle.
Eso está cambiando. OpenAI lanzó "dots", un agente personal always-on que no espera a que lo llames: observa, anticipa y actúa. La idea es pasar de una IA que responde a una IA que piensa por ti. No es un chatbot más potente: es un cambio de paradigma en cómo interactuamos con la inteligencia artificial.
Lo que dicen los datos
TechCrunch (Tim Fernholz, 26 de octubre de 2026): OpenAI convirtió sus herramientas de código (Codex) en "dots", un asistente personal always-on. El agente observa el contexto del usuario, anticipa necesidades y actúa sin que se lo pidan.
OpenAI (según TechCrunch): El agente tiene "proactive research": en intervalos regulares, piensa sobre lo que sabe del usuario, la conversación que ha tenido y a qué le ha dado acceso, y luego investiga "qué podría hacer para ser más útil". Propone acciones sin que se las pidan.
Ejemplo de proactividad (TechCrunch): En desarrollo temprano, el agente avisó de un conflicto de agenda "tres minutos antes" del evento. OpenAI espera mejorar el timing. En otro caso, un ingeniero de una startup de entrega por drones reportó que el agente detectó una caída del servicio antes que él, analizó la causa y llegó con información útil para resolverla.
Privacidad (TechCrunch): El agente tiene los mismos controles de privacidad que ChatGPT: los usuarios pueden desactivar el entrenamiento de modelos (que OpenAI use sus conversaciones). Pero existe tensión entre la información que el agente necesita para ser útil y la cantidad de datos personales que se expone a la empresa.
Comparación con competidores (TechCrunch): Muse (Meta) ha sido criticado por los perfiles que construye de familia y amigos, que podrían alimentar publicidad. Hark, una startup de asistente personal, declara explícitamente que no recolecta datos para publicidad, a diferencia de OpenAI y Meta.
La conclusión: los agentes personales always-on son el siguiente paso de la IA, pero traen preguntas sobre privacidad y control que aún no están resueltas.
Qué es un agente personal always-on
1. No espera a que lo llames
El problema: Los chatbots actuales son reactivos: esperan tu pregunta para responder. No actúan hasta que los invocas.
Cómo los agentes always-on cambian esto: Un agente personal always-on observa tu contexto (calendario, correos, conversaciones) y actúa sin que se lo pidas: avisa de conflictos, investiga información relevante, propone acciones.
La regla: La IA pasa de responder a anticipar. El usuario pasa de invocar a supervisar.
2. Proactive research
El problema: Los asistentes solo saben lo que les preguntas. No investigan por su cuenta.
Cómo los agentes always-on cambian esto: El agente investiga proactivamente: analiza lo que sabe del usuario, identifica oportunidades de ayuda y propone acciones. No espera instrucciones.
La regla: La IA investiga, el usuario decide. La proactividad es útil pero debe ser controlable.
3. Acceso a datos personales
El problema: Para ser útil, el agente necesita acceso a tu calendario, correos, contactos y archivos. Eso es una enorme cantidad de información personal.
Cómo los agentes always-on cambian esto: El agente pide permisos para acceder a tus datos. Cuanto más acceso, más útil; pero más riesgo de exposición.
La regla: Más acceso = más utilidad, pero más riesgo. El usuario debe controlar qué comparte.
4. Privacidad y entrenamiento de modelos
El problema: Las empresas de IA pueden usar tus conversaciones para entrenar sus modelos. Con agentes always-on, la cantidad de datos personales expuestos es mucho mayor.
Cómo los agentes always-on cambian esto: OpenAI permite desactivar el entrenamiento de modelos. Pero la tensión entre utilidad y privacidad persiste: el agente necesita datos para funcionar, y esos datos están en manos de la empresa.
La regla: Desactiva el entrenamiento si no quieres que tus datos se usen. Pero el agente sigue necesitando acceso para funcionar.
5. Tensión entre utilidad y control
El problema: Un agente que actúa por su cuenta puede cometer errores (avisar tarde, proponer acciones incorrectas, malinterpretar el contexto). El usuario debe poder supervisar y corregir.
Cómo los agentes always-on cambian esto: El agente propone, el usuario aprueba. La supervisión humana sigue siendo necesaria, especialmente en decisiones importantes.
La regla: El agente actúa, el usuario supervisa. La autonomía sin supervisión es riesgo.
Lo que esto significa para usuarios
Beneficios
- Proactividad: El agente anticipa necesidades sin que se las pidas.
- Ahorro de tiempo: Investigación y análisis automático de contexto.
- Personalización: El agente aprende tus patrones y preferencias.
Riesgos
- Privacidad: Más datos personales en manos de la empresa.
- Dependencia: Si el agente falla, pierdes capacidad de anticipación.
- Control: El agente puede actuar en momentos inoportunos o con información incorrecta.
Qué preguntarse antes de usar un agente always-on
- ¿Qué datos le daré acceso? (calendario, correo, archivos, contactos)
- ¿Puedo desactivar el entrenamiento de modelos con mis datos?
- ¿Puedo revisar y aprobar las acciones antes de que se ejecuten?
- ¿Qué pasa si el agente se equivoca? ¿Hay reversión?
- ¿La empresa vende o comparte mis datos?
El panorama más amplio: la carrera de los agentes personales
OpenAI no es el único. Meta desarrolla agentes personales (Muse) con perfiles de usuarios. Hark se posiciona como una alternativa que no recolecta datos para publicidad. Google y Apple también avanzan en asistentes proactivos.
La diferencia clave está en el modelo de negocio: empresas que monetizan con publicidad tienen incentivos para recolectar más datos; empresas que cobran suscripción tienen incentivos para proteger la privacidad. El usuario debe entender ese trade-off.
Lo que esto significa para tu empresa
Si tu empresa evalúa adoptar agentes de IA personales para sus empleados, considera:
- Privacidad de empleados: Los agentes always-on acceden a correos, calendarios y archivos. ¿Estás dispuesto a que esa información esté en manos de un proveedor externo?
- Cumplimiento: En Chile, la Ley 21.719 exige protección de datos personales. Los agentes que procesan datos de empleados deben cumplir.
- Control: ¿Puedes auditar qué datos accede el agente y qué acciones toma?
- Alternativas: ¿Existen soluciones on-premise o con modelos locales que ofrezcan proactividad sin enviar datos a la nube?
La tendencia es clara: la IA pasa de herramienta a asistente. Pero la adopción en empresas debe ir acompañada de políticas de privacidad y control.
Cómo empezar a evaluar agentes personales esta semana
- Lunes: Identifica un caso de uso (gestión de agenda, resumen de correos, preparación de reuniones).
- Martes: Prueba un agente personal (ChatGPT con funciones proactivas, o alternativas) con datos no sensibles.
- Miércoles: Evalúa la utilidad: ¿ahorra tiempo? ¿Las propuestas son relevantes?
- Jueves: Evalúa la privacidad: ¿qué datos accedió? ¿Puedes desactivar el entrenamiento?
- Viernes: Decide: ¿vale la pena para tu caso? ¿Los beneficios superan los riesgos de privacidad?
Los agentes personales always-on son el futuro cercano de la IA. Pero como toda tecnología proactiva, requieren supervisión y políticas claras. La pregunta no es si usarlos, sino cómo usarlos sin perder el control.
Conclusión
La IA está pasando de ser una herramienta que responde a un asistente que anticipa. OpenAI "dots" es un ejemplo concreto de esta transición. La proactividad es útil, pero trae desafíos de privacidad, control y dependencia que aún no están resueltos.
Para usuarios y empresas, la clave está en entender el trade-off: más proactividad requiere más datos. Y más datos en manos de terceros significa más riesgo. La decisión de adoptar un agente personal always-on debe ser informada, no impulsiva.